残響下音声認識における発話様式の実験的分析と評価(オーガナイズドセッション:スピーチエンハンスメント,音声・音響信号処理,音声及び一般)
スポンサーリンク
概要
- 論文の詳細を見る
近年,音声認識技術の発展に伴って,ハンズフリー音声インターフェースが爆発的に普及している.残響環境下においてマイクロホンから離れて発話すると残響混入の影響により音声認識性能が著しく低下する問題がある.これに対して事前に音声認識システムの性能予測を行い,予測結果に基づいて音声認識システムの前処理に反映することで音声認識性能向上が期待できる.たとえば残響に頑健あるいは脆弱な話者を特定できれば,事前に各話者に適切な音響モデルを選択できる.そこで本研究では,残響下音声認識の性能向上を目指して音声認識性能の話者依存性について調査した.具体的には,多種の発話内容が収録されているCSRC連続音声データベースと残響環境のインパルス応答を用いて連続音素認識評価を行い,発話内容・発話様式と音声認識性能の関係を実験的に分析した.発話内容と音声認識性能の関係を評価した結果,明瞭に発声しやすい文章(天気予報文章など)は,残響の有無に関係なく音声認識性能が高いことを確認した.一方,発話様式と残響下音声認識性能の関係を評価した結果,両者間に顕著な傾向が確認できなかったことから,残響が発話様式に与える影響は小さいことがわかった.
- 2012-05-17
著者
-
山下 洋一
立命館大学
-
福森 隆寛
立命館大学大学院理工学研究科
-
西浦 敬信
立命館大学
-
森勢 将雅
立命館大学
-
中山 雅人
立命館大学 情報理工学部
-
福森 隆寛
立命館大学大学院情報理工学研究科
-
中山 雅人
立命館大学
関連論文
- SLP音声ドキュメント処理ワーキンググループ活動報告(ドキュメント処理・翻訳・言語獲得,第10回音声言語シンポジウム)
- 基本周波数モデルとその応用(言語獲得・学習,合成,生成,韻律,一般)
- CRFと統計的F0モデルに基づく連続音声のアクセント型自動推定(合成,生成,韻律,一般)
- 母音/子音特徴量に基づく適応形マイクロホンアレーを用いた雑音下音声認識(音声,聴覚)
- 話者方位推定を利用した動的時間領域処理に基づく遠隔発話区間検出(音声,聴覚)
- 話者方位情報とゼロ交差情報に基づくハンズフリー発話区間検出の評価(セッション5 : 音声認識+音声合成)
- マイクロホンアレーを用いた時間/空間情報に基づくハンズフリー発話区間検出の検討(認識・検出)
- 櫛形フィルタと確率モデルに基づいた音高認識
- 音声対話技術コンソーシアム(ISTC)の活動成果報告(SIG-SLP内組織の活動報告)
- LE-006 音響信頼度に基づく動的特徴量統合を用いた全方位マルチモーダル話者方位推定の検討(自然言語・音声・音楽)
- 正三角形型マイクロホンアレーと全方位カメラを用いた全方位マルチモーダル話者方位推定の検討(福祉と知能・情動・認知障害,福祉と音声処理,一般)
- 正三角形型マイクロホンアレーと全方位カメラを用いた全方位マルチモーダル話者方位推定の検討
- 音声ドキュメント検索評価のためのテストコレクションの試作(第8回音声言語シンポジウム)
- 音声ドキュメント検索評価のためのテストコレクションの試作(Session-4 一般(ポスターセッション),第8回音声言語シンポジウム)
- マルチモーダルコミュニケーションのための音声合成プラットホーム
- マルチモーダルコミュニケーションのための音声合成プラットホーム
- アクセント結合規則を利用した統計的手法に基づく連続音声のアクセント型自動ラベリング
- NTCIR-9 SpokenDoc: 音声検索語検出と音声ドキュメント検索の評価枠組の設計
- 英語学習者発話の自動評定における正規化の検討(一般(ポスターセッション),第9回音声言語シンポジウム)
- 英語学習者発話の自動評定における正規化の検討(一般(ポスターセッション),第9回音声言語シンポジウム)
- 英語学習者発話の自動評定における正規化の検討(一般(ポスターセッション),第9回音声言語シンポジウム)
- 4Q-5 音声対話システムにおける韻律修正合成音声の利用(音声対話・音声要約,学生セッション,人工知能と認知科学)
- SLP音声ドキュメント処理ワーキンググループ活動報告(ドキュメント処理・翻訳・言語獲得,第10回音声言語シンポジウム)
- SLP音声ドキュメント処理ワーキンググループ活動報告(ドキュメント処理・翻訳・言語獲得,第10回音声言語シンポジウム)
- 韻律を手作業で変更した合成音声の作成と対話システムでの利用(マルチモーダル)
- 話者方位情報とゼロ交差情報に基づくハンズフリー発話区間検出の評価(セッション5 : 音声認識+音声合成)
- 正三角形型マイクロホンアレーと全方位カメラを用いた全方位マルチモーダル話者方位推定の検討(福祉と知能・情動・認知障害,福祉と音声処理,一般)
- 分散マイクロホンシステムを用いた音源位置同定(福祉と知能・情動・認知障害,福祉と音声処理,一般)
- Spoken Term Detectionのためのテストコレクション構築とベースライン評価
- Spoken Term Detectionのためのテストコレクション構築とベースライン評価
- カスタマイズ性を考慮した擬人化音声対話ソフトウェアツールキットの設計(音声言語情報処理とその応用)
- 分散マイクロホンシステムを用いた音源位置同定(福祉と知能・情動・認知障害,福祉と音声処理,一般)
- 分散マイクロホンシステムを用いた音源位置同定(福祉と知能・情動・認知障害,福祉と音声処理,一般)
- 音声ドキュメント検索評価のためのテストコレクションの試作(Session-4 一般(ポスターセッション),第8回音声言語シンポジウム)
- 音声中の検索語検出のためのテストコレクション構築 -中間報告-
- 音素間の相関を用いた音声認識
- N-best音声認識における認識スコアを利用した候補提示数の決定(音声, 聴覚)
- 話者空間モデルに基づいた音素間相関を用いた音声認識(音声,聴覚)
- N-best音声認識における認識スコアを利用した候補提示数の決定
- 話者空間のモデルに基づいた音声認識
- 連続音声認識による言語情報と韻律情報を利用した講演音声の重要文抽出(言語モデル・要約)(第5回音声言語シンポジウム)
- 連続音声認識による言語情報と韻律情報を利用した講演音声の重要文抽出(第5回音声言語シンポジウム : 言語モデル・要約)
- 連続音声認識による言語情報と韻律情報を利用した講演音声の重要文抽出(第5回音声言語シンポジウム : 言語モデル・要約)
- 連続音声認識による言語情報と韻律情報を利用した講演音声の重要文抽出
- 講演音声の自動要約のための韻律情報の利用
- 要約のための重要文検出におけるF0モデルの利用
- F0モデルを利用した重要文検出の検討
- 音声対話に対する談話セグメントのタグ方式の検討
- 第5回ヨーロッパ音声通信技術会議(EuroSpeech'97)
- E-003 擬音語HMMに基づく音場ディクテーションシステムの評価(E分野:自然言語・音声・音楽,一般論文)
- 正三角形型マイクロホンアレーと全方位カメラを用いた全方位マルチモーダル話者方位推定の検討(福祉と知能・情動・認知障害,福祉と音声処理,一般)
- キーワードスポッティングにおける基本周波数情報の利用について
- 正三角形型マイクロホンアレーと全方位カメラを用いた全方位マルチモーダル話者方位推定の検討
- ワードスポッティングに基づく話題決定のためのキーワード選択
- 室内音響指標を用いた残響指標RSR-D_nに基づく残響下音声認識性能の予測(音声,聴覚)
- 日本語・英語音素モデルを用いた英単語発音評定方法の検討
- 日本人学習者のための英単語発音評定
- スペクトル減算を用いた音質改善のための減算係数最適化の検討(オーガナイズドセッション,一般,オーガナイズドセッション(雑音を消せ!騒音下で有効な音声信号処理とは))
- 言語情報とF0情報を利用したアクセント句境界の自動推定(音声・音響一般,一般,オーガナイズドセッション(雑音を消せ!騒音下で有効な音声信号処理とは))
- 確率モデルに基づく自動採譜
- 日本語学習者発話に対する統計的F0モデルに基づいた韻律評定
- 英語学習者の文発声における韻律自動評定(ポスターセッション)(第5回音声言語シンポジウム)
- 英語学習者の文発声における韻律自動評定(第5回音声言語シンポジウム : ポスターセッション)
- 英語学習者の文発声における韻律自動評定(第5回音声言語シンポジウム : ポスターセッション)
- キーワードスポッティングに基づくニュース音声の話題分類
- キーワードスポッティングにおける音韻スコアの正規化の検討
- 帯域分割型スペクトル減算に基づくミュージカルノイズ低減手法の検討(オーガナイズドセッション:スピーチエンハンスメント,音声・音響信号処理,音声及び一般)
- 帯域分割型スペクトル減算に基づくミュージカルノイズ低減手法の検討(オーガナイズドセッション:スピーチエンハンスメント,音声・音響信号処理,音声及び一般)
- 帯域分割型スペクトル減算に基づくミュージカルノイズ低減手法の検討(オーガナイズドセッション:スピーチエンハンスメント,音声・音響信号処理,音声及び一般)
- 話者と音源の位置推定に基づく複数死角制御型ビームフォーマの基礎的検討(一般,音声・音響信号処理,音声及び一般)
- 話者と音源の位置推定に基づく複数死角制御型ビームフォーマの基礎的検討(一般,音声・音響信号処理,音声及び一般)
- 残響環境下音声認識における発話位置・話者依存性の分析評価(オーガナイズドセッション:スピーチエンハンスメント,音声・音響信号処理,音声及び一般)
- 残響環境下音声認識における発話位置・話者依存性の分析評価(オーガナイズドセッション:スピーチエンハンスメント,音声・音響信号処理,音声及び一般)
- 話者と音源の位置推定に基づく複数死角制御型ビームフォーマの基礎的検討(一般,音声・音響信号処理,音声及び一般)
- 残響環境下音声認識における発話位置・話者依存性の分析評価(オーガナイズドセッション:スピーチエンハンスメント,音声・音響信号処理,音声及び一般)
- ニュース音声の話題決定のためのワードスポッティングの評価
- 言語モデルのための単語履歴クラスタリング
- 未知コンテキスト補間のための単語履歴クラスタリング
- 履歴のクラスタリングを用いた言語モデル
- ピッチパタンのマルチテンプレートを利用したキーワードスポッティング
- モスキート音に基づく電子透かしを用いた歌詞連動型音楽試聴システムの提案
- 基本周波数の転写に基づく実時間歌唱制御システムの実現を目的とした高品質ボコーダSTRAIGHTの高速化(音声,聴覚,電子情報通信分野における萌芽的研究論文)
- 音声合成における声質再現性の分析と評価(一般セッション,合成,生成,韻律,音声一般)
- 音声ドキュメント処理ワーキンググループ活動報告(音声検索,第13回音声言語シンポジウム)
- 音声ドキュメント処理ワーキンググループ活動報告(音声検索,第13回音声言語シンポジウム)
- 音声ドキュメント処理ワーキンググループ活動報告
- 基本周波数の転写に基づく実時間歌唱制御システムの実現を目的とした高品質ボコーダSTRAIGHTの高速化
- 文節単位のパターンクラスタリングを用いたF0パターン生成
- 音声合成における声質再現性の分析と評価
- 区分的パターンの統計モデルを用いたFOパターン生成
- 残響下音声認識における発話様式の実験的分析と評価(オーガナイズドセッション:スピーチエンハンスメント,音声・音響信号処理,音声及び一般)
- 残響マルチコンディションモデルを用いたマルチステージ非日常音識別の検討(オーガナイズドセッション:スピーチエンハンスメント,音声・音響信号処理,音声及び一般)
- 実時間音源位置推定のための空間・周波数領域多重解像度走査の評価(一般,音声・音響信号処理,音声及び一般)
- 区分的パターンのクラスタリングに基づいた統計的 F0 モデル
- 残響下音声認識における発話様式の実験的分析と評価(オーガナイズドセッション:スピーチエンハンスメント,音声・音響信号処理,音声及び一般)
- 残響下音声認識における発話様式の実験的分析と評価(オーガナイズドセッション:スピーチエンハンスメント,音声・音響信号処理,音声及び一般)
- 実時間音源位置推定のための空間・周波数領域多重解像度走査の評価(一般,音声・音響信号処理,音声及び一般)
- 実時間音源位置推定のための空間・周波数領域多重解像度走査の評価(一般,音声・音響信号処理,音声及び一般)
- ブラインドインパルス応答推定を用いた残響下音源位置推定法の提案(オーガナイズドセッション:スピーチエンハンスメント,音声・音響信号処理,音声及び一般)
- 残響マルチコンディションモデルを用いたマルチステージ非日常音識別の検討(オーガナイズドセッション:スピーチエンハンスメント,音声・音響信号処理,音声及び一般)